AI的快速發展正引領醫療革命， 其中AI輔助診斷是最為核心的環節。

究其原因，診斷端是醫療服務的入口與核心，鏈接醫藥、醫療器械、醫療服務等產業鏈的關鍵節點，其重要性不僅體現在臨床價值上，更在于其對整個醫療生態系統的樞紐作用。

作為醫療服務的起點，診斷端的準確性和效率直接決定了后續治療方案的選擇和醫療資源的配置效率，AI輔助診斷成為增加醫療供給最為直觀的體現。

從產業視角來看，診斷的上游鏈接著醫療器械廠商，AI輔助診斷將推動設備的智能化升級，為醫療器械打開新的增長點。

診斷的下游則是醫療機構和患者，AI輔助診斷 不僅將提升醫療機構的運營效率，也為個性化醫療和精準醫療奠定了基礎。

并且，診斷端作為醫療數據的匯集點，AI輔助診斷為醫療數據的價值發掘提供了重要抓手，這些數據不僅有助于提升診斷質量，還推動醫藥研發、醫療保險、健康管理等領域的協同創新。

也正因如此，AI輔助診斷成為AI醫療當下最為火熱的賽道，科技大廠、醫療器械企業、IVD企業、醫療信息化廠商、AI初創公司紛紛入局，意在這場重構醫療系統的變革中占據制高點。

智藥局整理了超過60家企業/機構發布的AI輔助診斷相關模型，并具體分為了五大類：

AI醫療影像：利用AI對醫學影像數據進行自動分析、識別和診斷，以輔助醫生提高疾病檢測和診斷的準確性和效率

AI醫學檢驗：指通過AI對生物樣本進行自動化分析，以輔助臨床醫生快速、準確地識別疾病標志物和評估患者健康狀況

AI病理診斷：指借助AI對病理切片進行智能分析，以輔助病理醫生識別疾病特征、提高診斷效率和準確性

AI臨床決策支持系統（AI+CDSS）：基于AI的智能平臺，旨在通過分析醫療數據和提供循證建議，輔助臨床醫生優化診斷、治療和患者管理決策

AI中醫診斷：是指運用AI分析患者的癥狀、舌象、脈象等中醫診斷要素，輔助中醫師進行疾病辨識和辨證施治

AI醫療影像：最為成熟的市場

醫療影像是最早受到AI影響的領域之一，早在10年前以深度學習為代表的技術興起時，便在醫學影像診斷方面取得成果。

目前，AI已經在醫學影像工作全流程的各環節發揮作用，體現在檢查前、檢查中及檢查后各個階段，在改進影像檢查的流程、自動勾畫放療靶區及受累器官、圖像質量優化、結構化報告等方向均起到了重要作用。

在技術端滲透的同時，老齡化以及醫療資源分配不均則使得醫學影像領域存在較大的缺口，為AI醫療影像提供爆發基礎。

數據顯示，2018 年-2023 年我國醫學影像數據復合年增速在30%左右，而影像科醫生復合年增速僅為4%，供需矛盾緊張。

以 CT 報告為例，影像科醫生每天需要完成的閱片量在80- 100份，每份耗時幾分鐘到半個小時乃至更長時間，醫學影像醫生面臨較大的工作壓力。

近年來，國務院、藥監局、衛健委、工信部等國家有關部門大力推動國產醫學影像設備的發展，積極探索人工智能在醫學影像的多個應用場景，為AI醫療影像提供政策支持。

截至2024年7月，國家藥監局共批準了99個三類證，涵蓋了輔助診斷和輔助治療兩個大類，涉及心血管、腦血管、肺部、骨折/骨齡、眼底等多個領域，呈現出多樣化的蓬勃發展態勢。

目前，AI醫學影像商業落地進展較快，覆蓋院內、院外以及出海等多個渠道，市場有望迎來高速增長。

據統計，2023 年 AI 醫學影像市場規模為24億元，機構預測這一數字到2030 年將達到 137.4 億元，年復合增長率為33.8%。

大模型加速CDSS變革

臨床決策支持系統（CDSS）是醫院信息化建設的核心系統，對于規范醫生診療行為，提升醫療質量和管理水平均具有重要意義。

在實踐中，醫院往往選擇將CDSS通過接口無縫對接大部分乃至所有業務系統，也正因如此，AI+CDSS是AI輔助診斷中應用要求最高的領域之一。

在落地過程中，AI+CDSS需要整合文字、圖像等多模態醫療數據，并結合權威醫學知識和醫療規則提供精準、實時的決策支持，這對模型提出了極高要求。

而 大模型的問世，為上述挑戰帶來可行解 。

通過海量數據的訓練和推理，大模型能夠更好地捕捉醫學數據中的復雜關聯與潛在規律，從而為臨床決策提供更加全面、精準的支持。

此外，AI+CDSS憑借早年醫療信息化打下的基礎，再加上DeepSeek完成的市場教育，大模型落地正當其時。

三甲醫院和二甲醫院擁有充足的采購預算，已成為AI+CDSS的主要采購力量。然而，對于眾多基層醫療機構而言，盡管對AI+CDSS有著強烈的需求，卻往往受限于預算約束。在這一背景下，區域醫聯體/醫共體的建設為解決這一問題提供了可行路徑。

通過區域醫療資源的整合與共享，基層醫療機構可以借助醫聯體/醫共體的協同效應，以更低的成本獲得AI+CDSS的技術支持，從而實現優質醫療資源下沉，助力實現分級診療的目標。

在CDSS商業化進程明顯加快的當下，不同企業根據自身優勢建立起各具特色的產品壁壘和業務模式。

例如訊飛醫療開發的星火醫療大模型2.0，在醫療海量知識問答、醫療復雜語言理解、醫療專業文書生成、醫療診斷治療推薦、醫療多輪交互以及醫療多模態交互等方面超越了GPT-4 Turbo和GPT-4o

目前其開發的AI臨床決策支持系統——智醫助理已入駐約60000家基層醫療機構，涵蓋30多個省份的610多個區縣，在國內醫療機構CDSS市場份額超過60%。

未來，在大模型的加持下，AI+CDSS將向專科領域進一步突破，在腫瘤、心腦血管、ICU、產科等細分科室，深入臨床專科領域的診療特點，結合患者的具體病情，探索專科專病落地模式。

AI病理診斷，下一個新興戰場？

當經驗醫學邁向精準醫學，病理診斷作為臨床金標準，其意義愈加重要。

尤其是，隨著腫瘤創新藥以及腫瘤療法的不斷發展，癌癥的篩查和診斷逐漸受到重視，隨之而來的是病理科驟升的供給壓力。

信息顯示，我國病理醫生缺口高達10萬人，且資源分布十分不均衡，大部分集中在三甲醫院，二甲及以下醫院的病理醫師嚴重缺乏且經驗不足。

從技術視角來看，病理輔助診斷系統是AI在醫學檢驗領域相對成熟的應用場景之一，但因為病理學圖像對數據集質量、儲存、算力等資源都有極高的要求，AI病理診斷往往是頂尖院所和大廠的游戲，目前國外病理學模型研究幾乎被哈佛與微軟壟斷。

以微軟為例，其與美國普羅維登斯醫療集團合作，在《Nature》發布全球首個千億級數字病理基礎模型Prov-GigaPath——實現了26項病理任務中的25項SOTA，甚至能通過病理圖像預測基因突變。

近年來，中國在AI病理診斷領域取得了顯著突破，國內科研機構、醫療機構和科技企業協同發力，展現出強勁的發展勢頭和創新能力。

2023年9月，透徹未來發布了透徹大腦病理大模型。2024年7月，商湯醫療聯合清華大學等科研院所發布了病理大模型PathOrchestra，利用國內規模最大的近30萬張全切片數字病理圖像（近300TB數據）數據集訓練。

今年2月，華為聯合上海瑞金醫院正式發布瑞智病理大模型RuiPath，這一成果基于瑞金醫院病理科百萬級數字切片庫，覆蓋了中國每年90%癌癥發病人群罹患的癌種，并且亞專科知識問答深度達到專家級知識水平。

然而，值得注意的是，AI病理診斷在臨床轉化和規模化落地仍面臨諸多挑戰，尤其相關的技術標準、審批流程和臨床應用規范等領域，仍處于探索階段 。

如果說AI病理診斷的上半場，是圍繞模型本身進行深度研發，那么正在到來的下半場將是一場圍繞應用落地、生態構建和價值挖掘的全面競爭。

為此，企業、科研機構和醫療機構需要緊密協作，針對不同應用場景開發定制化的解決方案，為病理醫生提供真正高效的輔助工具，同時探索多元化的商業模式，如按需付費、遠程診斷服務等。

結語

在這場AI醫療革命的浪潮中，AI輔助診斷不僅是技術創新的前沿陣地，更是醫療行業智能化轉型的核心引擎。

隨著技術的不斷成熟和應用的持續深化，AI輔助診斷將逐步從單一的工具升級為醫療生態系統的智能中樞，推動醫療服務的效率、質量和可及性全面提升。

而隨著多學科協作的深入和跨領域資源的整合，AI輔助診斷有望在更多場景中實現突破，為醫療行業帶來更加深遠的影響。

—The End—